CN107092609B - 一种信息推送方法及装置 - Google Patents

Abstract

本申请公开了一种信息推送方法及装置，该方法包括：确定用户所处的位置，根据所述位置获取多个服务对象，根据所述用户的用户特征，以及所述服务对象对应的服务特征，从获取的多个服务对象中筛选出候选结果，对所述候选结果包含的服务对象进行排序处理，将排序结果推送给所述用户。通过本方法，在筛选的过程中使用了用户特征和服务特征，与现有技术中使用距离筛选的方式相比，本申请中筛选后的各服务对象更符合用户的倾向性，经过筛选过程，也可以减少服务对象的数量，那么，再对筛选后的各服务对象进行排序处理，也有效减少了处理资源的消耗。

Description

一种信息推送方法及装置

技术领域

本申请涉及计算机技术领域，尤其涉及一种信息推送方法及装置。

背景技术

随着信息技术的发展，移动终端已成为重要的通讯工具，基于移动终端的位置服务(Location Based Services，LBS)也得到越来越广泛的应用。在位置服务的支持下，在线系统(如：网站)除了可以接收用户发起的业务请求之外，还可以主动地向用户推荐相应的业务服务。

目前，在线系统通过LBS，可以确定用户所在的位置，并向用户推荐处于该位置一定范围之内的服务对象，以便用户进行参考或选择。例如：在线系统可以向用户推荐处于该用户附近的餐厅。

现有技术中，在线系统通常使用如下方式向用户推送服务对象：

第一种方式：针对获取到的所有服务对象，在线系统会根据用户信息使用相应的推荐算法对各服务对象逐一进行计算，生成所有服务对象的排序结果，并推送给用户。

第二种方式：针对获取到的所有服务对象，在线系统以用户所在的位置为基准，使用设定的距离筛选获取到的所有服务对象，从而减少了在线系统进行推荐时的运算量。

但是，现有技术中的上述方式具有一定的缺陷：

对于第一种方式而言，在实际应用中，在线系统将面对大量的用户，针对每一用户，在线系统通过LBS都会获取到的大量的服务对象，显然，针对每个用户，在线系统都需要对大量的服务对象使用推荐算法进行逐一计算，这样的方式将会增加服务器的工作负荷。

对于第二种方式而言，虽然使用设定距离能够筛除一定数量的服务对象，但采用该方式极有可能会将用户想要的服务对象筛除，这样一来，无疑增加了排序结果并非是用户所需结果的可能性，进一步地，会导致用户需要自行搜索服务对象，从而增加操作的繁琐程度。

发明内容

本申请实施例提供一种信息推送方法及装置，用以解决现有技术中的针对服务对象的信息推送方式存在一定缺陷的问题。

本申请实施例提供的一种信息推送方法，包括：

确定用户所处的位置；

根据所述位置获取多个服务对象；

根据所述用户的用户特征，以及所述服务对象对应的服务特征，从获取的多个服务对象中筛选出候选结果；

对所述候选结果包含的服务对象进行排序处理，将排序结果推送给所述用户。

本申请实施例另提供的一种信息推送装置，包括：

位置模块，确定用户所处的位置；

获取模块，根据所述位置获取多个服务对象；

筛选模块，根据所述用户的用户特征，以及所述服务对象对应的服务特征，从获取的多个服务对象中筛选出候选结果；

推送处理模块，对所述候选结果包含的服务对象进行排序处理，将排序结果推送给所述用户。

本申请实施例提供一种信息推送方法及装置，通过本方法，服务器确定了用户所处的位置后，便可以基于该位置，获取一定范围内的所有服务对象，在实际应用中，服务器所获取到的服务对象的数量可能较多，为了减少服务器逐一对服务对象使用相应的推荐算法进行排序计算而消耗过多的处理资源，故服务器会根据预先确定出的用户特征和服务特征对服务对象进行筛选，由于在筛选的过程中使用了用户特征和服务特征，与现有技术中使用距离筛选的方式相比，本申请中筛选后的各服务对象更符合用户的倾向性，经过筛选过程，也可以减少服务对象的数量，那么，再对筛选后的多个服务对象使用预设的推荐算法进行较为精确的排序计算，也可以有效减少处理资源的消耗。可以认为，通过本申请的上述过程所得到的排序结果是用户所想要的结果的概率更高，进一步地，可以更大程度的避免用户因排序结果不符合用户喜好而自行搜索的繁琐操作。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的一种信息推送过程示意图；

图2为本申请实施例提供的一种信息推送装置的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

正如前述，在线系统向用户推送该用户周边的服务对象的过程中，往往需要针对获取到的所有服务对象逐一使用相应的推荐算法进行排序计算，如果在面对大量用户的情况下，这样的方式会消耗在线系统中的大量处理资源；而如果针对获取到的所有服务对象按照与用户所在位置的距离进行滤除，又可能将用户想要的服务对象排除，从而导致推送结果并非是用户所需的结果。

显然，这就需要一种既能够降低在线系统内处理资源的消耗，又能够按照用户所想要的服务对象进行滤除的方式来向用户推送服务对象的方法。基于此，本申请实施例中提供了一种信息推送方法，如图1所示。

这里需要说明的是，在本申请实施例中，服务对象可看作是一种服务信息，具体可以是能够提供线下服务的线下服务实体的服务信息，例如：餐馆可以看作是一种线下服务实体，而用户通过终端所浏览到是该餐馆的服务信息，诸如餐馆名称、位置、评价等信息。换言之，在本申请实施例中，服务对象可以是一种表征线下服务实体的服务信息。

在本申请实施例中的一种方式中，可由在线系统后台的服务器实现向用户推送服务对象的过程，而在本申请实施例中的另一种方式下，用户所使用的终端内可运行在线系统的客户端(如：APP应用)，此时，可由该客户端收集相应的服务对象，最终推送给用户进行展示。当然，上述方式并不构成对本申请的限定。

下面对本申请实施例中的信息推送方法进行说明。具体地，如图1所示，该方法具体包括以下步骤：

S101：确定用户所处的位置。

在实际应用中，当用户使用移动终端且开启移动终端内的位置服务时，相应的在线系统的服务器(以下简称服务器)便可以获取到该用户的位置信息，并进一步确定出用户所处的位置(当然，获取用户位置信息的场景并不限于用户使用移动终端，可以是计算机等非移动终端)。在本申请实施例中，移动终端包括但不限于：手机、智能手表等具有位置服务功能且具备信息显示功能的终端。

在一些实施例中，服务器可以在用户使用该在线系统的客户端时获取用户的位置信息，而在另一些实施例中，若用户允许该客户端在后台运行，那么，服务器便可以实时获取该用户的位置信息，当然，这里并不构成对本申请的限定。

S102：根据所述位置获取多个服务对象。

正如前述，所述的服务对象，可以是线下服务实体的服务信息，其中，线下服务实体可以包括：商铺、餐馆等提供线下业务的服务实体。基于此，服务对象具体可以如：商铺的名称、地址、评分等信息，这里并不构成对本申请的限定。

实际应用中，当服务器确定出用户所处的位置后，便可以基于该位置，获取一定地理范围之内的多个服务对象。当然，服务器所获取到的服务对象的数量可能较多，那么，就需要针对获取到的所有服务对象进行过滤筛选，也即，执行下述步骤S103。

S103：根据所述用户的用户特征，以及所述服务对象对应的服务特征，从获取的多个服务对象中筛选出候选结果。

其中，候选结果中的服务对象的数量小于获取到的多个服务对象的数量。

需要说明的是，用户可能在历史上通过服务器获取过相应的服务对象所对应的服务。例如：用户在历史上使用过服务器的推送服务，并根据推送服务选择了相应的餐馆，此后，用户还针对该餐馆进行了评价。那么，便可以根据用户所选择的餐馆和用户的评价中统计用户的特征，诸如：用户的特征可以包括口味、偏好的餐馆类型等等。当然，用户特征还可以根据用户信息(如：用户的年龄)进行确定，上述内容并不构成对本申请的限定。

类似地，对于服务特征而言，可以由线下服务实体所提供，也可以由其他用户获得了服务后所进行的评价所确定。从而，服务器就可以确定出服务对象所对应的服务特征。

在确定了用户自身的用户特征和服务对象的服务特征后，便可以依据此从服务器获取到的多个服务对象中，筛选出符合用户特征的各服务对象(即，候选结果)。当然，本申请实施例中的筛选过程无需较高的精度，可以理解，筛选过程是为了从获取到的大量服务对象中，快速选择与用户具有一定关联的服务对象，相较于现有技术中精确地按照用户喜好对服务对象进行排序的方式而言，该过程又可看作是一种粗略排序。

与现有技术不同的是，在对各服务对象进行筛选的过程中，并非按照与用户所处位置的距离进行筛选，而是根据用户特征结合服务特征，对服务对象进行筛选，显然，经过上述的筛选过程后，可将与用户相关程度较低的服务对象滤除，而筛选出的服务对象有较大的概率是用户想要的服务对象，并且，筛选过程对精度要求较低，无需使用复杂的算法，也就可以快速地得到候选结果。

筛选后所得到的候选结果中，可以包含多个服务对象，这些服务对象均与用户具有一定的关联，其中的某些服务对象是用户较为偏好的，而某些服务对象用户的偏好程度较低，那么，就需要对候选结果中的各服务对象按照用户的偏好程度进行排序。也即，执行下述步骤S104。

S104：对所述候选结果包含的服务对象进行排序处理，将排序结果推送给所述用户。

对各服务对象进行排序处理的过程，可采用现有技术中的推荐算法，诸如逻辑回归算法、决策树森林算法等，或者是其他能够将服务对象按照用户的喜好进行排序的推荐算法。

可选地，在使用决策树森林算法的场景下：针对所有用户特征，将每一类别的用户特征形成一类决策树，这样一来，根据所有类别的用户特征所对应的各类别的决策树，构建决策树森林，之后，针对候选结果中的每一服务对象，将该服务对象所对应的各服务特征分别输入至构建好的决策树森林中，便可以确定出每一服务对象的各服务特征命中决策树森林中各节点(节点就表征了用户的某个特征)数量，可以认为，命中数量最多的服务对象，就是用户偏好程度最高的服务对象，以此进行排序。当然，上述示例只是推荐算法的一种简单示例，在实际应用中，可以根据实际应用的需要，使用不同的推荐算法，或者将各类推荐算法组合应用，以便对上述过程中得到的筛选结果进行较为精确的排序处理，这里并不构成对本申请的限定。

通过推荐算法，可将筛选后的各服务对象进行精确排序，生成相应的排序结果，可以认为，生成的排序结果是对用户所想要的服务对象的一种估计，从而将排序结果推送给用户。

通过上述步骤，服务器确定了用户所处的位置后，便可以基于该位置，获取一定范围内的所有服务对象，在实际应用中，服务器所获取到的服务对象的数量可能较多，为了减少服务器逐一对服务对象使用相应的推荐算法进行排序计算而消耗过多的处理资源，故服务器会根据预先确定出的用户特征和服务特征对获取的多个服务对象进行筛选，由于在筛选的过程中使用了用户特征和服务特征，与现有技术中使用距离筛选的方式相比，本申请中筛选后的各服务对象更符合用户的倾向性，经过筛选过程，也可以减少服务对象的数量，那么，再对筛选后的多个服务对象使用预设的推荐算法进行较为精确的排序计算，也可以有效减少处理资源的消耗。可以认为，通过本申请的上述过程所得到的排序结果是用户所想要的结果的概率更高，进一步地，可以更大程度的避免用户因排序结果不符合用户喜好而自行搜索的繁琐操作。

对于前述内容而言，在本申请的一些实施例中，用户特征中包含：用户特征标签和该用户特征标签对应的分值；服务特征中包含：服务特征标签和该服务特征标签对应的分值。

其中，用户标签可以是一种描述用户某种特征的信息，如“喜好川菜”、“环境要求高”等等，相应地，服务特征标签可以是一种描述线下服务实体某种特征的信息，如“川菜”、“环境优雅”等等。在本申请实施例中，用户标签和服务特征标签可由服务器根据用户的历史信息和线下服务实体的历史信息而生成。这里并不作具体限定。

用户特征标签所对应的分值可以由相应的算法所生成，例如：假设某用户具有“口味偏辣”和“中餐”两种用户特征标签，并假设用户历史上在10家中式餐馆就餐，其中有8家餐馆提供的菜品偏辣，那么，“口味偏辣”这一用户标签的分值可以是8/10，即0.8；“中餐”这一用户标签的分值可以是10/10，即1。

当然，上述内容仅是用户标签所对应的分值的简单示例，这里不作具体限定。

相类似地，也可以得到服务特征标签所对应的分值，这里不再过多赘述。

基于上述内容，对于上述步骤S103而言，根据所述用户的用户特征，以及所述服务对象中包含的服务特征，从获取到的多个服务对象中筛选出候选结果，具体包括：针对获取的任一服务对象，根据所述用户特征标签及其分值，以及该服务对象对应的服务特征所包含的服务特征标签及其分值，生成该服务对象与所述用户相匹配的预估值，根据生成的各预估值，从获取的多个服务对象中筛选出候选结果。

在得到了用户特征标签及其分值，以及服务特征标签及其分值后，便可以对用户与服务对象之间的匹配程度进行预估(也即，对用户对该服务对象的偏好程度进行预估)，故，上述内容中所得到的预估值，也就反映了与用户之间相匹配的程度，可以认为，预估值越大，那么，与用户的关联程度也就越高。

作为本申请实例中的一种方式，可采用点积式的运算来确定出各服务对象所对应的预估值，也即，根据所述用户特征标签及其分值，以及该服务对象对应的服务特征标签及其分值，生成该服务对象与所述用户相匹配的预估值，具体包括：在该服务对象的服务特征标签中，确定与用户特征标签类型相同的服务特征标签，针对确定出的每一服务特征标签，计算该服务特征标签及与该服务特征标签同类型的用户特征标签分别所对应的分值乘积，确定各分值乘积的和值，将该和值作为该服务对象与所述用户相匹配的预估值。

例如：沿用前述示例，某用户具有“口味偏辣”和“中餐”两种用户特征标签，且分值分别为上述的0.8和1。同时假设，某餐馆所对应的服务特征标签为“菜品偏辣”和“中餐”，其分值分别为0.9和1。那么，可以确定的是，用户特征标签“口味偏辣”和服务特征标签“菜品偏辣”属于同类型的标签，且用户特征标签和服务特征标签中都包含“中餐”，显然，这是同类型的标签。从而，计算预估值的过程可为：

[口味偏辣(0.8)]*[菜品偏辣(0.9)]+[中餐(1)]*[中餐(1)]，从而可得到预估值为1.72。

采用相同的方式，可以得到各服务对象与用户相匹配的预估值。上述的计算预估值的方式较为简易，计算预估值的过程只消耗极少的处理资源，并且能够反映出用户的偏好程度。

这里需要说明的是，考虑到某些实际应用场景中，预先生成的服务特征标签及其对应的分值通常都会存储在相应的数据库内，当服务器搜索到各服务对象后，需要从相应的数据库内读取出各服务对象所对应的服务特征(包括服务特征标签及其对应的分值)，然后再进行预估值的计算，整个过程将耗费一定的时长。基于此，在本申请实施例中，预先生成的服务特征标签及其对应的分值，可以预先加载至服务器的搜索引擎中(搜索引擎通常与推荐业务相关联，用于在后台基于用户所处的位置，所搜该用户周边的服务对象)。从而，搜索引擎在搜索到各服务对象的同时，可以立即进行上述的计算过程，生成各预估值。这样的方式能够有效的减少计算过程所消耗的时间。当然，这种方式并不构成对本申请的限定。

之后，便可以根据计算得到的各服务对象对应的预估值，对各服务对象进行筛选，即，对各服务对象进行筛选，具体包括：根据各服务对象对应的预估值以及预设阈值，筛选出预估值不低于所述阈值的各服务对象。

所述的阈值的确定，通常可以根据相应的算法所确定，可以认为，不低于阈值的预估值，可看作是用户所偏好的服务对象，而如果低于该阈值，则可以认为用户对这些服务对象的偏好程度较低，从而，可以滤除预估值低于阈值的服务信息。

通过上述的筛选过程，既减少了一定数量的服务对象，也保证了筛选后的服务对象是用户所偏好的服务对象。

当然，采用上述阈值筛选服务对象的方式，属于一种粗略的筛选方式，换言之，服务对象所对应的预估值的大小，并不反映出最终的排序结果，因此，服务器会针对筛选后的各服务对象进行处理，最终生成排序结果推送给用户。

另外，还需要说明的是，在本申请的上述信息推送方法中，用户特征代表了用户的个性化信息，通过用户特征，即使在同一位置，也可以针对不同的用户生成不同的排序结果，相较于某些实际应用场景中，采用热门服务对象或基于人群共性的方式推送服务对象，本申请中采用用户特征的方式能够得到更加符合用户倾向性的排序结果。

并且，本申请的上述信息推送方法，将预先生成的各服务对象对应的服务特征，均加载至搜索引擎中，使得搜索引擎在基于用户位置搜索到周边服务对象的同时，就可以结合服务特征标签及其分值、用户特征标签及其分值，来计算服务对象与用户之间相匹配的预估值，这样的方式能够有效减少计算预估值过程所耗费的时间，也进一步缩短了服务器向用户推送排序结果的时间。

以上为本申请实施例提供的信息推送方法，基于同样的思路，本申请实施例还提供一种信息推送装置。

如图2所示，信息推送装置包括：

位置模块201，确定用户所处的位置。

获取模块202，根据所述位置获取多个服务对象。

筛选模块203，根据所述用户的用户特征，以及所述服务对象对应的服务特征，从获取的多个服务对象中筛选出候选结果。

推送处理模块204，对所述候选结果包含的服务对象进行排序处理，将排序结果推送给所述用户。

作为本申请实施例中的一种方式，用户特征中包含：用户特征标签和该用户特征标签对应的分值。服务特征中包含：服务特征标签和该服务特征标签对应的分值。

在此基础上，筛选模块203，针对获取的任一服务对象，根据所述用户特征标签及其分值，以及该服务对象对应的服务特征所包含的服务特征标签及其分值，生成该服务对象与所述用户相匹配的预估值，根据生成的各预估值，从获取的多个服务对象中筛选出候选结果。

进一步地，筛选模块203，在该服务对象的服务特征标签中，确定与用户特征标签类型相同的服务特征标签，针对确定出的每一服务特征标签，计算该服务特征标签及与该服务特征标签同类型的用户特征标签分别所对应的分值乘积；

确定各分值乘积的和值，将该和值作为该服务对象与所述用户相匹配的预估值。

在得到了各服务对象对应的预估值之后，筛选模块203，根据获取的多个服务对象分别对应的预估值以及预设阈值，筛选出预估值不低于所述阈值的多个服务对象，作为候选结果。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种信息推送方法，其特征在于，包括：

确定用户所处的位置；

根据所述位置获取多个服务对象；

根据所述用户的用户特征，所述服务对象的服务特征，生成所述服务对象与所述用户相匹配的预估值，根据生成的各预估值，从获取的多个服务对象中筛选出的候选结果；

对所述候选结果包含的服务对象进行排序处理，将排序结果推送给所述用户；

其中，所述对所述候选结果包含的服务对象进行排序处理，包括：针对所有用户特征，将每一类别的用户特征形成一类决策树；根据所有类别的用户特征所对应的各类别的决策树，构建决策树森林；针对所述候选结果中的每一服务对象，将所述服务对象所对应的各服务特征分别输入至所述决策树森林中，确定出每一服务对象的各服务特征命中所述决策树森林中各节点的数量；按照所述每一服务对象的各服务特征命中所述决策树森林中各节点的数量，对所述服务对象进行排序。

2.如权利要求1所述的方法，其特征在于，所述用户特征中包含：用户特征标签和该用户特征标签对应的分值；

所述服务特征中包含：服务特征标签和该服务特征标签对应的分值。

3.如权利要求2所述的方法，其特征在于，根据所述用户的用户特征，以及所述服务对象对应的服务特征，从获取的多个服务对象中筛选出候选结果，具体包括：

针对获取的任一服务对象，根据所述用户特征标签及其分值，以及该服务对象所对应的服务特征所包含的服务特征标签及其分值，生成该服务对象与所述用户相匹配的预估值；

根据生成的各预估值，从获取的多个服务对象中筛选出候选结果。

4.如权利要求3所述的方法，其特征在于，根据所述用户特征标签及其分值，以及该服务对象对应的服务特征所包含的服务特征标签及其分值，生成该服务对象与所述用户相匹配的预估值，具体包括：

在所述服务特征所包含的服务特征标签中，确定与用户特征标签类型相同的各服务特征标签；

针对确定出的每一服务特征标签，计算该服务特征标签及与该服务特征标签同类型的用户特征标签分别所对应的分值乘积；

确定各分值乘积的和值，并将该和值作为该服务对象与所述用户相匹配的预估值。

5.如权利要求4所述的方法，其特征在于，从获取的多个服务对象中筛选出候选结果，具体包括：

根据获取的多个服务对象分别对应的预估值以及预设阈值，筛选出预估值不低于所述阈值的多个服务对象，作为候选结果。

6.一种信息推送装置，其特征在于，包括：

位置模块，确定用户所处的位置；

获取模块，根据所述位置获取多个服务对象；

筛选模块，根据所述用户的用户特征，以及所述服务对象对应的服务特征，生成所述服务对象与所述用户相匹配的预估值，根据生成的各预估值，从获取的多个服务对象中筛选出候选结果；

推送处理模块，对所述候选结果包含的服务对象进行排序处理，将排序结果推送给所述用户；

其中，推送处理模块，针对所有用户特征，将每一类别的用户特征形成一类决策树；根据所有类别的用户特征所对应的各类别的决策树，构建决策树森林；针对所述候选结果中的每一服务对象，将所述服务对象所对应的各服务特征分别输入至所述决策树森林中，确定出每一服务对象的各服务特征命中所述决策树森林中各节点的数量；按照所述每一服务对象的各服务特征命中所述决策树森林中各节点的数量，对所述服务对象进行排序。

7.如权利要求6所述的装置，其特征在于，所述用户特征中包含：用户特征标签和该用户特征标签对应的分值；

所述服务特征中包含：服务特征标签和该服务特征标签对应的分值。

8.如权利要求7所述的装置，其特征在于，所述筛选模块，针对获取的任一服务对象，根据所述用户特征标签及其分值，以及该服务对象对应的服务特征所包含的服务特征标签及其分值，生成该服务对象与所述用户相匹配的预估值，根据生成的各预估值，从获取的多个服务对象中筛选出候选结果。

9.如权利要求8所述的装置，其特征在于，所述筛选模块，在该服务对象的服务特征标签中，确定与用户特征标签类型相同的服务特征标签，针对确定出的每一服务特征标签，计算该服务特征标签及与该服务特征标签同类型的用户特征标签分别所对应的分值乘积；

确定各分值乘积的和值，并将该和值作为该服务对象与所述用户相匹配的预估值。

10.如权利要求8所述的装置，其特征在于，所述筛选模块，根据获取的多个服务对象分别对应的预估值以及预设阈值，筛选出预估值不低于所述阈值的多个服务对象，作为候选结果。

Images